1.04 Veliki jezični modeli (LLM) i stvaranje teksta

Veliki jezični modeli (engl. Large Language Models – LLM) predstavljaju iznimno moćnu kategoriju umjetne inteligencije. Ovi su modeli veoma promišljeno dizajnirani i projektirani da razumiju, stvaraju i komuniciraju na način koji se često čini izvanredno tečnim i sličnim ljudskome. Razvoj LLM-ova uključuje proces koji se naziva „obuka“, tijekom kojeg su izloženi golemim količinama tekstualnih podataka iz kojih uče. Taj skup podataka za obuku može obuhvaćati milijune knjiga, bezbroj članaka iz različitih publikacija, širok raspon mrežnih stranica i opsežne zbirke razgovora, što ukupno čini bilijune riječi. Kroz ovaj intenzivan proces obuke, LLM-ovi uče zamršene obrasce, složene gramatičke strukture, suptilne semantičke odnose, pa čak i neke od nijansiranih stilskih konvencija o tome kako se jezik koristi u bezbrojnim kontekstima.

Ključno je razumjeti da LLM-ovi ne „razumiju“ ili „razmišljaju“ o značenju na isti svjestan ili iskustven način kao ljudi. Umjesto toga, postaju iznimno vješti u statističkom predviđanju: predviđanju najvjerojatnije sljedeće riječi u rečenici ili određivanju kako suvislo nastaviti dio teksta na temelju početne fraze ili upute („prompta“) koju je dao korisnik.

Kada komunicirate s naprednim AI alatom kao što je OpenAI-jev ChatGPT (često koristeći modele poput GPT-5.2), Googleov Gemini (npr. Gemini 3 Pro / Flash) ili Anthropicov Claude (npr. Claude Opus 4.5 / Sonnet 4.5), izravno komunicirate s LLM-om. Ovi svestrani modeli mogu obavljati širok raspon jezičnih zadataka. Možete im postavljati složena pitanja o gotovo bilo kojoj temi, tražiti jasna i sažeta objašnjenja teških pojmova, dobiti pomoć pri sastavljanju profesionalnih e-mailova ili detaljnih izvješća, koristiti ih za stvaranje kreativnih ideja za projekt, zatražiti da sažmu dugačke dokumente u ključne točke i još mnogo toga. Na primjer, ako LLM-u date uputu poput: „Objasni, jednostavnim riječima, glavne korake uključene u pisanje učinkovitog životopisa (CV) za prijavu za posao u tehnološkoj industriji, ističući uobičajene pogreške koje treba izbjegavati“, model će iskoristiti svoju obuku za generiranje relevantnog, dobro strukturiranog i često vrlo pronicljivog odgovora, oslanjajući se na golemu količinu informacija o pisanju životopisa i najboljim praksama u industriji koje je obradio.

LLM-ovi nude obilje potencijalnih koristi i praktičnih primjena u području obrazovanja odraslih:

• Za nastavnike: LLM-ovi mogu poslužiti kao vrijedni pomoćnici, pomažući u izradi početnih nacrta planova lekcija, stvaranju raznolikih primjera i studija slučaja za polaznike, generiranju raznih pitanja za vježbu s različitim formatima ili pisanju jasnih objašnjenja zahtjevnih tema prilagođenih različitim razinama čitanja kako bi odgovarali raznolikim potrebama odraslih polaznika. To može značajno smanjiti vrijeme pripreme, omogućujući nastavnicima da se više usredotoče na izravnu interakciju i personaliziranu podršku.
• Za odrasle polaznike: LLM-ovi mogu djelovati kao moćna osobna pomagala u učenju. Polaznici ih mogu tražiti za sažetke složenih akademskih tema, zahtijevati prilagođena pitanja za vježbu kako bi se temeljito pripremili za nadolazeći ispit, dobiti konstruktivne povratne informacije o svom pisanom radu (poput motivacijskog pisma, eseja ili projektnog prijedloga) ili tražiti objašnjenja teških pojmova predstavljenih jednostavnijim, pristupačnijim terminima. To osnažuje polaznike da preuzmu veću kontrolu nad svojim procesom učenja. Najnovije značajke ovih modela, poput poboljšanog zaključivanja za složeno rješavanje problema ili multimodalnog ulaza / izlaza podataka za stvaranje raznolikog sadržaja, posebno su relevantne za obrazovanje odraslih.

VAŽNOST JASNIH UPUTA („PROMPT ENGINEERING“)

Učinkovitost i relevantnost rezultata koje dobijete od LLM-a izravno su proporcionalni kvaliteti uputa ili „promptova“ koje pružite. Vještina oblikovanja učinkovitih uputa često se naziva „prompt engineering“. Dobro osmišljena uputa je jasna, vrlo specifična i pruža dovoljno konteksta. Idealno bi trebalo reći LLM-u točno koji zadatak želite da obavi, tko je ciljana publika za rezultat, koji stil ili ton jezika treba koristiti (npr. formalni, neformalni, uvjerljivi, tehnički) i sve druge važne kontekstualne detalje ili ograničenja.

Na primjer, umjesto nejasne upute poput „piši o sigurnosti na radu“, mnogo učinkovitija uputa bila bi: „Ponašaj se kao službenik za zdravlje i sigurnost. Napiši popis pet ključnih pravila sigurnosti na radu posebno za nove zaposlenike koji rade u prometnom skladišnom okruženju. Jezik treba biti jednostavan, lako razumljiv, a ton prijateljski i ohrabrujući. Uključi kratko obrazloženje za svako pravilo.“

Kliknite ikonu CC da biste prvo uključili engleske titlove. Zatim kliknite ikonu zupčanika (Postavke) > Titlovi/CC i odaberite Automatski prijevod. Odaberite svoj jezik s popisa.

Učinkovito davanje uputa često je iterativni proces pri čemu ćete možda trebati isprobati nekoliko varijacija upute i doraditi je na temelju odgovora LLM-a kako biste postigli željeni ishod.

LJUDSKI (RUČNI) NADZOR – čovjek u petlji – (engl. „HUMAN-IN-THE-LOOP“) OD PRESUDNE JE VAŽNOSTI

Unatoč njihovim impresivnim sposobnostima, važno je uvijek imati na umu da LLM-ovi nisu savršeni ili nepogrešivi. Ponekad mogu napraviti činjenične pogreške, pružiti informacije koje su zastarjele ili nepotpune, ili čak generirati tekst koji zvuči uvjerljivo i autoritativno, ali je zapravo netočan, zavaravajući ili besmislen – fenomen koji se ponekad naziva „halucinacija“. Stoga je načelo ručnog nadzora, odnosno uključivanja čovjeka u petlju (engl. human-in-the-loop) ključno. To znači da svaki sadržaj stvoren pomoću LLM-a, posebno ako je namijenjen obrazovnim, profesionalnim ili drugim svrhama visokog rizika, mora biti veoma deteljno pregledan, kritički uređen, temeljito provjeren u odnosu na pouzdane izvore i pažljivo dorađen od strane stručnjaka. Ovaj nadzor osigurava točnost, relevantnost, prikladnost i etičku ispravnost informacija. Sadržaj stvoren pomoću LLM-a općenito bi se trebao smatrati korisnom početnom točkom, korisnim nacrtom ili izvorom inspiracije, a ne gotovim, autoritativnim proizvodom koji se koristi bez kritičke procjene i ljudskog prosuđivanja. Ovakav pristup posebno je bitan u kontekstima poput projekta HER[AI]TAGE, gdje se s kulturnim narativima i povijesnim informacijama mora postupati s najvećom osjetljivošću, točnošću i poštovanjem.

Neki od najpoznatijih i najčešće korištenih LLM-ova trenutačno uključuju:

• ChatGPT (razvijen od strane OpenAI, često koristeći modele poput GPT-4o): Hvaljen zbog svojih snažnih konverzacijskih sposobnosti, svestranosti u generiranju širokog spektra tekstualnih formata, poboljšane glasovne interakcije, razumijevanja videa te kapaciteta za kreativno pisanje i rješavanje problema.
• Google Gemini (npr. Gemini 2.5 Pro / Flash): Googleov vodeći konverzacijski AI model, sposoban za raznolike tekstualne zadatke, s jakom integracijom s Googleovim mogućnostima pretraživanja i drugim uslugama. Sadrži poboljšanja poput „Deep Think“ za poboljšano zaključivanje i izvorni audio izlaz.
• Claude (razvijen od strane Anthropica, npr. Opus 4 / Sonnet 4): Poznat po svojoj vještini u rukovanju vrlo dugim tekstovima (veliki kontekstni prozori za unos podataka), fokusu na proizvodnju korisnih, bezopasnih i iskrenih odgovora kroz svoj pristup „Ustavne AI“ (engl. Constitutional AI) te snažnim sposobnostima zaključivanja, uključujući „prošireno razmišljanje“ i korištenje alata.

Razvijanje vještina za učinkovito, efikasno i, što je najvažnije, odgovorno korištenje LLM-ova brzo postaje neophodna kompetencija kako za odrasle polaznike koji žele poboljšati svoje učenje i izglede za karijeru, tako i za nastavnike koji žele obogatiti svoje nastavne prakse u današnjem tehnološki naprednom svijetu.

PRAKTIČNI PRIMJERI